DE102017125484A1 - System und verfahren zum einschätzen des innenraums eines autonomen fahrzeugs - Google Patents

System und verfahren zum einschätzen des innenraums eines autonomen fahrzeugs Download PDF

Info

Publication number
DE102017125484A1
DE102017125484A1 DE102017125484.6A DE102017125484A DE102017125484A1 DE 102017125484 A1 DE102017125484 A1 DE 102017125484A1 DE 102017125484 A DE102017125484 A DE 102017125484A DE 102017125484 A1 DE102017125484 A1 DE 102017125484A1
Authority
DE
Germany
Prior art keywords
outputs
controller
vehicle
sensors
threshold condition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102017125484.6A
Other languages
English (en)
Inventor
Michael E. Reibling
Ramzi Ahmad Chraim
Steven Michael Cyr
Ray C. Siciak
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of DE102017125484A1 publication Critical patent/DE102017125484A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60SSERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00Cleaning of vehicles
    • B60S1/62Other vehicle fittings for cleaning
    • B60S1/64Other vehicle fittings for cleaning for cleaning vehicle interiors, e.g. built-in vacuum cleaners
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60SSERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00Cleaning of vehicles
    • B60S1/02Cleaning windscreens, windows or optical devices
    • B60S1/56Cleaning windscreens, windows or optical devices specially adapted for cleaning other parts or devices than front windows or windscreens
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60SSERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S3/00Vehicle cleaning apparatus not integral with vehicles
    • B60S3/008Vehicle cleaning apparatus not integral with vehicles for interiors of land vehicles
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00Conjoint control of vehicle sub-units of different type or different function
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00Conjoint control of vehicle sub-units of different type or different function
    • B60W10/30Conjoint control of vehicle sub-units of different type or different function including control of auxiliary equipment, e.g. air-conditioning compressors or oil pumps
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • B60W60/0025Planning or execution of driving tasks specially adapted for specific operations
    • B60W60/00253Taxi operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/20Administration of product repair or maintenance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40Business processes related to the transportation industry
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/56Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403Image sensing, e.g. optical camera
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408Radar; Laser, e.g. lidar

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mechanical Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Combustion & Propulsion (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

Ein autonomes Fahrzeug beinhaltet Innenraumsensoren einschließlich einer Kamera, einer IR-Kamera, eines elektrochemischen Sensors, eines Feuchtigkeitssensors und eines Temperatursensors. Anfängliche und finale Ausgaben dieser Sensoren werden für eine Fahrt, auf der ein oder mehrere Passagiere befördert werden, aufgezeichnet. Falls Veränderungen der Ausgaben der Sensoren erfasst werden, kann bewertet werden, ob die finalen Ausgaben der Sensoren akzeptabel sind. Bei einigen Ausführungsformen wird eine Summierung der Ausgaben bewertet und für inakzeptabel befunden, selbst wenn einzelne Ausgaben akzeptabel sind. Ausgaben können einem Disponenten präsentiert werden, um zu bestätigen, dass die Ausgaben inakzeptabel sind. Falls die Ausgaben für inakzeptabel befunden werden, kann das Fahrzeug autonom zu einer Reinigungsstation gefahren werden. Persönliche Gegenstände können in Kameraausgaben identifiziert werden und als Reaktion Warnungen erzeugt werden.

Description

  • HINTERGRUND
  • TECHNISCHES GEBIET DER ERFINDUNG
  • Diese Erfindung betrifft ein Sensorsystem und ein Verfahren für ein autonomes Fahrzeug.
  • ALLGEMEINER STAND DER TECHNIK
  • Autonome Fahrzeuge sind Gegenstand von viel Forschung und Entwicklung. Derartige Fahrzeuge beinhalten einen Satz von Sensoren und Steuerlogik, die die Identifikation und die Vermeidung von Hindernissen und die Navigation zu einem Ziel ermöglicht. Eine Anwendung von autonomen Fahrzeugen ist die Nutzung als Taxis, die einen Passagier auf Nachfrage abholen können.
  • Das hier offenbarte System und die hier offenbarten Verfahren stellen eine Herangehensweise für das Bereitstellen autonomer Taxidienstleistungen bereit.
  • Figurenliste
  • Damit die Vorteile der Erfindung leicht zu verstehen sind, wird eine genauere Beschreibung der oben kurz beschriebenen Erfindung unter Bezugnahme auf spezifische Ausführungsformen, die in den angehängten Zeichnungen dargestellt sind, gegeben. Mit dem Verständnis, dass diese Zeichnungen nur typische Ausführungsformen der Erfindung abbilden und daher nicht als ihren Umfang einschränkend anzusehen sind, wird die Erfindung durch die Verwendung der beigefügten Zeichnungen mit zusätzlicher Genauigkeit und Ausführlichkeit beschrieben und erklärt, wobei:
    • 1A ein schematisches Blockdiagramm eines Systems zum Umsetzen von Ausführungsformen der Erfindung ist;
    • 1B ein schematisches Blockdiagramm eines Fahrzeugs, das Innenraumsensoren zum Umsetzen von Ausführungsformen der Erfindung beinhaltet, ist;
    • 2 ein schematisches Blockdiagramm einer beispielhaften Datenverarbeitungsvorrichtung ist, die geeignet für das Umsetzen von Verfahren gemäß Ausführungsformen der Erfindung ist;
    • 3 ein Prozessflussdiagramm eines Verfahrens zum Bewerten eines Zustands eines autonomen Taxis gemäß einer Ausführungsform der vorliegenden Erfindung ist;
    • 4A bis 4C Prozessflussdiagramme von Verfahren zum Verarbeiten von Ausgaben von Innenraumsensoren gemäß Ausführungsformen der vorliegenden Erfindung sind; und
    • 5 ein Prozessflussdiagramm eines Verfahrens zum Erfassen von Objekten in einem autonomen Taxi gemäß einer Ausführungsform der vorliegenden Erfindung ist.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Bezug nehmend auf 1A und 1B kann ein Fahrzeug 100 (siehe 1B) eine Steuerung 102 beherbergen. Das Fahrzeug 100 kann jedes im Fachgebiet bekannte Fahrzeug beinhalten. Das Fahrzeug 100 kann alle Strukturen und Merkmale eines beliebigen im Fachgebiet bekannten Fahrzeugs aufweisen, einschließlich Rädern, eines mit den Rädern gekoppelten Antriebsstrangs, eines mit dem Antriebsstrang gekoppelten Motors, eines Lenksystems, eines Bremssystems und anderer im Fachgebiet bekannter Systeme, die in einem Fahrzeug enthalten sind.
  • Wie hier ausführlicher besprochen, kann die Steuerung 102 eine autonome Navigation und Kollisionsvermeidung durchführen. Die Steuerung 102 kann eine oder mehrere Ausgaben von einem oder mehreren äußeren Sensoren 104 empfangen. Zum Beispiel können eine oder mehrere Kameras 106a am Fahrzeug 100 montiert sein und Bildströme ausgeben, die von der Steuerung 102 empfangen werden. Die Steuerung 102 kann einen oder mehrere Audioströme von einem oder mehreren Mikrofonen 106b empfangen. Zum Beispiel können ein oder mehrere Mikrofone 106b oder Mikrofon-Arrays 106b am Fahrzeug 100 montiert sein und Audioströme an die Steuerung 102 ausgeben. Die Mikrofone 106b können bidirektionale Mikrofone, die eine je nach Winkel variierende Empfindlichkeit aufweisen, beinhalten.
  • Die äußeren Sensoren 104 können Sensoren wie etwa Radar (Radio Detection and Ranging) 106c, Lidar (Light Detection and Ranging) 106d, Sonar (Sound Navigation and Ranging) 106e und Ähnliches beinhalten.
  • Die Steuerung 102 kann ein Autonombetriebsmodul 108 ausführen, das die Ausgaben der äußeren Sensoren 104 empfängt. Das Autonombetriebsmodul 108 kann ein Hindernisidentifikationsmodul 110a, ein Kollisionsvorhersagemodul 110b und ein Entscheidungsmodul 110c beinhalten. Das Hindernisidentifikationsmodul 110a analysiert die Ausgaben der äußeren Sensoren und identifiziert potenzielle Hindernisse, einschließlich Menschen, Tieren, Fahrzeugen, Gebäuden, Bordsteinen und anderer Objekte und Strukturen. Insbesondere kann das Hindernisidentifikationsmodul 110a Fahrzeugbilder in den Sensorausgaben identifizieren.
  • Das Kollisionsvorhersagemodul 110b sagt vorher, welche Hindernisbilder auf Grundlage des gegenwärtigen Fahrtwegs oder gegenwärtigen beabsichtigten Wegs des Fahrzeugs 100 wahrscheinlich mit diesem kollidieren. Das Kollisionsvorhersagemodul 110b kann die Wahrscheinlichkeit einer Kollision mit vom Kollisionsvorhersagemodul 110a identifizierten Objekten bewerten. Das Entscheidungsmodul 110c kann eine Entscheidung fällen, anzuhalten, zu beschleunigen, abzubiegen etc., um Hindernisse zu vermeiden. Die Art, auf die das Kollisionsvorhersagemodul 110b potenzielle Kollisionen vorhersagt, und die Art, auf die das Entscheidungsmodul 110c Maßnahmen ergreift, um potenzielle Kollisionen zu vermeiden, kann gemäß einem beliebigen im Fachgebiet der autonomen Fahrzeuge bekannten Verfahren oder System erfolgen.
  • Das Entscheidungsmodul 110c kann den Fahrtweg des Fahrzeugs durch Betätigen eines oder mehrerer Aktuatoren 112, die die Richtung und die Geschwindigkeit des Fahrzeugs 100 steuern, steuern. Zum Beispiel können die Aktuatoren 112 einen Lenkaktuator 114a, einen Beschleunigungsaktuator 114b und einen Bremsaktuator 114c beinhalten. Die Auslegung der Aktuatoren 114a-114c kann gemäß einer beliebigen Umsetzung derartiger Aktuatoren, die im Fachgebiet der autonomen Fahrzeuge bekannt ist, erfolgen.
  • In hier offenbarten Ausführungsformen kann das Autonombetriebsmodul 108 eine autonome Navigation an ein angegebenes Ziel, autonomes Parken und andere im Fachgebiet bekannte automatisierte Fahraktivitäten durchführen.
  • Das Autonombetriebsmodul 108 kann ferner ein Innenraummodul 110d beinhalten, das einen Zustand des Innenraums des Fahrzeugs 100 gemäß den hier offenbarten Verfahren bewertet. Das Innenraummodul 110d kann Ausgaben eines oder mehrerer Innenraumsensoren 116 bewerten. Die Innenraumsensoren 116 können eine oder mehrere Kameras 118a, d. h. eine Kamera für sichtbares Licht wie etwa eine Standbild- oder Videokamera, beinhalten. Die Innenraumsensoren 116 können auch eine oder mehrere Infrarot-(IR-)Kameras 118b, einen oder mehrere Feuchtigkeitssensoren 118c, einen elektrochemischen Sensor 118d und ein elektronisches Thermometer 118e beinhalten.
  • Wie in 1B gezeigt, können eine oder mehrere Kameras 118a im Fahrzeug positioniert und ausgerichtet sein, um alle Sitzplätze (Sitzflächen und Rückenlehnen) im Sichtfeld mindestens einer der Kameras 118a zu haben. Andere Bereiche des Innenraums des Fahrzeugs können auch im Sichtfeld mindestens einer der Kameras 118a sein.
  • Eine oder mehrere IR-Kameras 118b können im Fahrzeug positioniert und ausgerichtet sein, um alle Sitzplätze (Sitzflächen und Rückenlehnen) im Sichtfeld mindestens einer der IR-Kameras 118b zu haben. Andere Bereiche des Innenraums des Fahrzeugs können auch im Sichtfeld mindestens einer der IR-Kameras 118b sein.
  • Der Feuchtigkeitssensor 118c, der elektrochemische Sensor 118d und das Thermometer 118e können in jeder beliebigen Position im Fahrzeuginnenraum positioniert sein. Um verschüttete Flüssigkeiten einfacher zu erfassen, kann der Feuchtigkeitssensor 118c in Sitze des Fahrzeugs eingebettet sein. Alternativ kann der Feuchtigkeitssensor 118c am Dachhimmel des Innenraums oder an einer anderen Stelle montiert sein. Der elektrochemische Sensor 118d und das Thermometer 118e können am Dachhimmel oder an einer anderen Stelle im Innenraum montiert sein.
  • Der elektrochemische Sensor 118d kann jeden beliebigen im Fachgebiet bekannten elektrochemischen Sensor beinhalten und kann verschiedene organische Komponenten, flüchtige Chemikalien und jede andere Chemikalie unter Nutzung eines beliebigen im Fachgebiet bekannten elektrochemischen Sensors erfassen.
  • Die Steuerung 102 kann in Datenkommunikation mit einem Server 120 stehen, wie etwa über ein Netzwerk 122, das jede drahtgebundene oder drahtlose Netzwerkverbindung beinhalten kann, einschließlich einer Mobilfunkdatennetzwerkverbindung. Die hier offenbarten Verfahren können vom Server 120, der Steuerung 102 oder einer Kombination der zwei umgesetzt werden.
  • Das Serversystem 120 kann eine Datenbank 124 hosten oder auf eine solche zugreifen. Die Datenbank kann Fahrtdaten 128 beinhalten. Die Fahrtdaten 128 können Ausgaben 130a der Innenraumsensoren 116 beinhalten, die für jede Fahrt aufgezeichnet werden, die vom die Steuerung 102 beherbergenden autonomen Fahrzeug durchgeführt wird, d. h. jedes Mal, wenn das Fahrzeug zu einem Abholort navigiert, um einen oder mehrere Passagiere abzuholen, und die Passagiere dann an einem Ziel absetzt. Die Fahrtdaten 128 können Sensorausgaben 130a beinhalten, die vor der Abholung und nach dem Absetzen und optional während des Transports aufgezeichnet werden. Bei einigen Ausführungsformen sind, um die Privatsphäre der Passagiere zu schützen, nur Ausgaben 130a, die vor der Abholung und nach dem Absetzen aufgezeichnet wurden, in den Fahrtdaten 128 für eine Fahrt enthalten.
  • Die Fahrtdaten 128 können ferner eine Einschätzung 130b des Innenraums des Fahrzeugs durch einen Menschen beinhalten, z. B. durch den nächsten Passagier, der das Fahrzeug nach der Fahrt nutzt, eine Reinigungskraft, die das Fahrzeug unmittelbar nach einer Fahrt reinigt, einen Disponenten oder anderen Arbeiter, der unmittelbar nach einer Fahrt eine Bewertung des Innenraums des Fahrzeugs durchführt. Die Bewertung kann eine binäre Wertung (akzeptabel/inakzeptabel), eine Liste von Problemen (gefundene Gegenstände, Liste verschmutzter Bereiche, erfasste Gerüche) oder Ähnliches sein.
  • Die Datenbank 124 kann auch ein Maschinenlernmodell 132 speichern, das gemäß den Fahrtdaten 128 trainiert wird. Das Maschinenlernmodell 132 kann ein tiefes neuronales Netz, ein Entscheidungsbaum, eine Clusteranalyse, ein Bayes'sches Netz oder eine andere Art von Maschinenlernmodell sein.
  • Zum Beispiel kann ein Zustandsklassifizierungsmodell 134a unter Nutzung jedes Fahrtdateneintrags 128 als Trainingsdatenpunkt trainiert werden, wobei die Vorher- und Nachher-Sensorausgaben 130a die Eingabe sind und die Einschätzung 130b die gewünschte Ausgabe ist. Das Zustandsklassifizierungsmodell 134a kann dann trainiert werden, um eine geschätzte Einschätzung (z. B. akzeptabel, inakzeptabel, eine Zustandseinstufung oder Ähnliches) für einen vorgegebenen Satz an Vorher- und Nachher-Sensorausgaben bereitzustellen.
  • Bei einigen Ausführungsformen kann das Maschinenlernmodell 132 auch ein Objektklassifizierungsmodell 134b beinhalten, das Objekte in einem Bild identifiziert. Ein derartiges Modell 132 kann durch Einspeisen von Bildern aus den Ausgaben der Kamera 118a und einer Liste von bei der Einschätzung 130b identifizierten Gegenständen für diese Ausgaben als die gewünschte Ausgabe trainiert werden.
  • 2 ist ein Blockdiagramm, das eine beispielhafte Datenverarbeitungsvorrichtung 200 darstellt. Die Datenverarbeitungsvorrichtung 200 kann genutzt werden, um verschiedene Abläufe, wie etwa die hier besprochenen, durchzuführen. Die Steuerung 102 und das Serversystem 120 können einige oder alle der Attribute der Datenverarbeitungsvorrichtung 200 aufweisen.
  • Die Datenverarbeitungsvorrichtung 200 beinhaltet einen oder mehrere Prozessor(en) 202, eine oder mehrere Speichervorrichtung(en) 204, eine oder mehrere Schnittstelle(n) 206, eine oder mehrere Massendatenspeichervorrichtung(en) 208, eine oder mehrere Eingabe-/Ausgabe-(Input/Output - I/O-)Vorrichtung(en) 210 und eine Anzeigevorrichtung 230, die alle mit einem Bus 212 gekoppelt sind. Der oder die Prozessor(en) 202 beinhalten einen oder mehrere Prozessoren oder Steuerungen, die auf (einer) Speichervorrichtung(en) 204 und/oder (einer) Massendatenspeichervorrichtung(en) 208 gespeicherte Anweisungen ausführen. Der oder die Prozessor(en) 202 können verschiedene Arten von computerlesbaren Medien, wie etwa Cache-Speicher, beinhalten.
  • Die Speichervorrichtung(en) 204 beinhalten verschiedene computerlesbare Medien, wie etwa flüchtigen Speicher (z. B. Direktzugriffsspeicher (RAM) 214) und/oder nichtflüchtigen Speicher (z. B. Nur-Lese-Speicher (ROM) 216). Die Speichervorrichtung(en) 204 können auch wiederbeschreibbaren ROM, wie etwa Flash-Speicher, beinhalten.
  • Die Massendatenspeichervorrichtung(en) 208 beinhalten verschiedene computerlesbare Medien, wie etwa Magnetbänder, Magnetplatten, Festkörperspeicher (z. B. Flash-Speicher) und so weiter. Wie in 2 gezeigt, ist eine bestimmte Massendatenspeichervorrichtung ein Festplattenlaufwerk 224. Verschiedene Laufwerke können auch in der/den Massendatenspeichervorrichtung(en) 208 enthalten sein, um das Lesen von den und/oder das Schreiben auf die verschiedenen computerlesbaren Medien zu ermöglichen. Die Massendatenspeichervorrichtung(en) 208 beinhalten entfernbare Medien 226 und/oder nichtentfernbare Medien.
  • Die I/O-Vorrichtung(en) 210 beinhalten verschiedene Vorrichtungen, die es Daten und/oder anderen Informationen erlauben, in die Datenverarbeitungsvorrichtung 200 eingegeben oder aus dieser abgerufen zu werden. (Eine) Beispielhafte I/O-Vorrichtung(en) 210 beinhalten Cursor-Steuervorrichtungen, Tastaturen, Tastenfelder, Mikrofone, Monitore oder andere Anzeigevorrichtungen, Lautsprecher, Drucker, Netzwerkschnittstellenkarten, Modems, Objektive, CCD-Elemente oder andere Bildaufzeichnungsvorrichtungen und Ähnliches.
  • Die Anzeigevorrichtung 230 beinhaltet jede Art von Vorrichtung, die fähig ist, Informationen einem oder mehreren Benutzern der Datenverarbeitungsvorrichtung 200 anzuzeigen. Beispiele für die Anzeigevorrichtung 230 beinhalten einen Monitor, ein Anzeigeendgerät, eine Videoprojektionsvorrichtung und Ähnliches.
  • Die Schnittstelle(n) 206 beinhalten verschiedene Schnittstellen, die es der Datenverarbeitungsvorrichtung 200 erlauben, mit anderen Systemen, Vorrichtungen oder Datenverarbeitungsumgebungen zu interagieren. (Eine) Beispielhafte Schnittstelle(n) 206 beinhalten eine beliebige Anzahl an unterschiedlichen Netzwerkschnittstellen 220, wie etwa Schnittstellen mit lokalen Netzwerken (Local Area Networks - LANs), Weitbereichsnetzwerken (Wide Area Networks - WANs), drahtlosen Netzwerken und das Internet. (Eine) Weitere Schnittstelle(n) beinhalten eine Benutzerschnittstelle 218 und eine Peripheriegerätschnittstelle 222. Die Schnittstelle(n) 206 können auch eine oder mehrere Peripherieschnittstellen wie etwa Schnittstellen für Drucker, Zeigegeräte (Mäuse, Trackpad etc.), Tastaturen und Ähnliches beinhalten.
  • Der Bus 212 erlaubt es dem/den Prozessor(en) 202, der/den Speichervorrichtung(en) 204, der/den Schnittstelle(n) 206, der/den Massendatenspeichervorrichtung(en) 208, der/den I/O-Vorrichtung(en) 210 und der Anzeigevorrichtung 230, miteinander sowie mit anderen Vorrichtungen oder Komponenten, die mit dem Bus 212 gekoppelt sind, zu kommunizieren. Der Bus 212 repräsentiert eine oder mehrere von mehreren Arten von Busstrukturen, wie etwa einen Systembus, PCI-Bus, IEEE-1394-Bus, USB-Bus und so weiter.
  • Für Darstellungszwecke sind Programme und andere ausführbare Programmkomponenten hier als einzelne Blöcke gezeigt, obwohl es sich versteht, dass derartige Programme und Komponenten zu verschiedenen Zeitpunkten in unterschiedlichen Datenspeicherkomponenten der Datenverarbeitungsvorrichtung 200 aufbewahrt werden können und von (einem) Prozessor(en) 202 ausgeführt werden. Alternativ können die hier beschriebenen Systeme und Abläufe in Hardware oder einer Kombination aus Hardware, Software und/oder Firmware implementiert sein. Zum Beispiel können eine oder mehrere anwendungsspezifische integrierte Schaltungen (Application-Specific Integrated Circuits - ASICs) dazu programmiert sein, eines bzw. einen oder mehrere der hier beschriebenen Systeme und Abläufe auszuführen.
  • Bezug nehmend auf 3 kann das dargestellte Verfahren 300 genutzt werden, um Daten von den Innenraumsensoren 116 zu erlangen, um den Zustand des Innenraums des Fahrzeugs 100 zu bewerten. Das Verfahren 300 kann von der Steuerung 102 oder dem Serversystem 120 durchgeführt werden oder zwischen diesen Vorrichtungen aufgeteilt sein.
  • Das Verfahren 300 kann einiges oder alles von Erfassen 302 eines oder mehrerer anfänglicher Bilder des Innenraums des Fahrzeugs unter Nutzung der einen oder mehreren Kameras 118a; Erfassen 304 eines oder mehrerer anfänglicher IR-Bilder unter Nutzung einer oder mehrerer IR-Kameras 118b; Erfassen 306 einer anfänglichen Feuchtigkeit unter Nutzung eines oder mehrerer Feuchtigkeitssensoren 118c; Erfassen 308 einer anfänglichen Geruchssignatur unter Nutzung des elektrochemischen Sensors 188d; und Erfassen 310 einer anfänglichen Temperatur unter Nutzung des elektronischen Thermometers 118e beinhalten.
  • Die Messwerte der Schritte 302-310 können kurz vor dem Abholen eines oder mehrerer Passagiere auf einer Fahrt ermittelt werden, z. B. an einem Abholort, bevor der eine oder die mehreren Passagiere in das Fahrzeug einsteigen, vor der Abfahrt von einem Abfertigungsbereich, an einer Reinigungsstation nach der Reinigung oder Inspektion oder nach dem Aussteigenlassen von Passagieren von einer vorherigen Fahrt.
  • Die Sensorausgaben der Schritte 302-310 können von der Steuerung 102 gespeichert werden und können zusätzlich oder alternativ dazu an das Serversystem 120 übertragen werden, das sie in einem Fahrtdateneintrag 128 speichern kann.
  • Die Steuerung 100 kann dann einen oder mehrere Passagiere abholen 312, zu einem Ziel navigieren und den einen oder die mehreren Passagiere am Ziel absetzen 314.
  • Das Verfahren 300 kann dann das Erfassen 316-324 von finalen Bildern, finalen IR-Bildern, einer finalen Feuchtigkeit, einer finalen Geruchssignatur und einer finalen Temperatur auf dieselbe Weise wie bei den Schritten 302-310 beinhalten. Die Schritte 316-324 können unmittelbar nach dem Absetzen 314 des einen oder der mehreren Passagiere durchgeführt werden; zum Beispiel als Reaktion auf das Erfassen des Schließens einer oder mehrerer Türen des Fahrzeugs 100 nach dem Anhalten am Ziel.
  • Die Sensorausgaben der Schritte 316-324 können von der Steuerung 102 gespeichert werden und können zusätzlich oder alternativ dazu an das Serversystem 120 übertragen werden.
  • In 4A bis 4C können die dargestellten Verfahren 400a-400c genutzt werden, um die gemäß dem Verfahren 300 erlangten Sensorausgaben zu bewerten. Die Verfahren 400a-400c können vom Serversystem 120 auf Grundlage von Messwerten ausgeführt werden, die von der Steuerung 102 während der Ausführung des Verfahrens 300 erlangt und an das Serversystem 120 übertragen werden. Alternativ können die Verfahren 400a-400c von der Steuerung 102 ausgeführt werden.
  • Bezug nehmend auf 4A kann das Verfahren 400a das Erfassen 402, ob es eine Veränderung bei den Ausgaben der Innenraumsensoren 116 gab, beinhalten. Das kann das Bewerten von Ausgaben der Innenraumsensoren von den Schritten 302-310 im Hinblick auf die von den Schritten 316-324 beinhalten. Bei den anfänglichen und den finalen Bildern und IR-Bildern kann dies das Vergleichen der Bilder und Erfassen von Variation in den Pixeln der Bilder beinhalten. Eine Veränderung kann erfasst werden, wenn die Gesamtveränderung für die Vorher- und Nachher-Bilder einen Schwellenwert überschreitet. Zum Beispiel wenn das finale Bild eine Anzahl an Pixeln aufweist, die einen Wertunterschied aufweisen, der einen Wertschwellenwert überschreitet, wobei die Anzahl an Pixeln einen Bereichsschwellenwert überschreitet. Unterschiede zwischen den anfänglichen und den finalen IR-Bildern können auf eine ähnliche Weise ermittelt werden. Jede beliebige Metrik für Bildähnlichkeit kann genutzt werden, um zu ermitteln, ob eine bedeutende Veränderung zwischen den anfänglichen und den finalen Bildern und IR-Bildern vorliegt.
  • Bei dem Feuchtigkeits- und dem Temperaturmesswert können der anfängliche und der finale Messwert verglichen werden und der Unterschied mit einem Schwellenwert verglichen werden. Falls der Unterschied den Schwellenwert überschreitet, kann eine Veränderung erfasst werden 402.
  • Bei der Geruchssignatur kann eine Reihe von Werten in der anfänglichen und der finalen Geruchssignatur enthalten sein. Entsprechend kann eine Veränderung erfasst werden 402, wenn die durchschnittliche Veränderung jedes Werts zwischen der anfänglichen und der finalen Geruchssignatur mit einem Geruchsschwellenwert verglichen werden kann, um zu ermitteln 402, ob eine Veränderung stattgefunden hat.
  • Falls keine Veränderung erfasst wird 402, dann kann die Steuerung 102 bewirken, dass das Fahrzeug zu einem nächsten Abholziel weiterfährt 404.
  • Falls eine Veränderung erfasst wird 402, dann kann das Verfahren 400a für diejenigen Sensorausgaben, bei denen die Veränderung erfasst wurde, das Bewerten, ob die Veränderung zwischen dem anfänglichen und dem finalen Messwert akzeptabel ist, beinhalten.
  • Wie gezeigt, kann, falls befunden wird 406, dass ein finales Bild (aufgenommen mit der Kamera 118a oder der IR-Kamera 118b) sich verändert hat, diese Veränderung bewertet werden 408, um zu ermitteln, ob sie akzeptabel ist. Dies kann das Identifizieren und Klassifizieren von Objekten (z. B. Müll und persönlichen Gegenständen) im finalen und möglicherweise im anfänglichen Bild, das Identifizieren zusätzlicher Flecken oder Markierungen im finalen Bild oder das Identifizieren anderer Merkmale in den anfänglichen und den finalen Bildern beinhalten.
  • Bei dem IR-Bild wird die Wärmesignatur eines verschütteten Heißgetränks sichtbar sein, selbst wenn sie in den sichtbaren Bildern, d. h. dem mit der Kamera für sichtbares Licht 118a aufgenommenem Bild, nicht offensichtlich ist. Ebenso können Bereiche, die mit einer anderen Flüssigkeit vollgesogen sind, infolge von Verdunstung oder weil die Flüssigkeit zuvor gekühlt war, auch kälter als umgebende Bereiche erscheinen.
  • Das Ermitteln 408, ob eine Veränderung zwischen dem anfänglichen und dem finalen Bild stattgefunden hat, kann durch Bewerten einer Summierung von Unterschieden zwischen den anfänglichen und den finalen sichtbaren und IR-Bildern ermittelt werden. Zum Beispiel kann die Summe aller Unterschiede zwischen den Pixeln der anfänglichen und der finalen Bilder für beide Arten von Kameras mit einem Schwellenwert verglichen werden, der für jede Art von Kamera einzigartig sein kann. Alternativ können eine Metrik der Unterschiede zwischen den anfänglichen und den finalen Bildern und eine Metrik der Unterschiede zwischen den anfänglichen und den finalen IR-Bildern kombiniert werden und diese kombinierte Metrik kann mit einem einzelnen Schwellenwert verglichen werden. Bei einigen Ausführungsformen können Unterschiede zwischen den anfänglichen und den finalen IR-Bildern gewichtet werden, bevor sie mit den Unterschieden zwischen den anfänglichen und den finalen sichtbaren Bildern kombiniert werden.
  • Falls einzelne Schwellenwerte für die unterschiedlichen Arten von Bildern oder der Schwellenwert für die kombinierte Metrik überschritten wird, kann ermittelt werden 408, dass die Veränderung nicht akzeptabel ist; andernfalls wird ermittelt 408, dass die Veränderung akzeptabel ist.
  • Jede beliebige im Fachgebiet der Bildanalyse bekannte Technik kann genutzt werden, um die anfänglichen und die finalen sichtbaren und IR-Bilder zu vergleichen. Entsprechend kann die Ähnlichkeits- oder Unterschiedsmetrik gemäß einer dieser Techniken im Hinblick auf eine Schwellenwertbedingung bei Schritt 408 bewertet werden, um zu ermitteln, ob die Veränderung akzeptabel ist.
  • Ob die anfänglichen und die finalen sichtbaren und IR-Bilder akzeptabel sind oder nicht, kann bei einigen Ausführungsformen durch Einspeisen dieser Bilder in das Maschinenlernmodell 132, das trainiert ist, um eine Ausgabe bereitzustellen, die anzeigt, ob die Bilder einen akzeptablen oder inakzeptablen Zustand anzeigen, wie dies oben im Hinblick auf 1 beschrieben wurde, ermittelt werden 408.
  • Falls die Bilder nicht für akzeptabel befunden werden 408, dann kann die Steuerung 102 bewirken, dass das Fahrzeug 100 zu einer bzw. einem nächstgelegenen Reinigungsstation, Abfertigungsbereich oder anderen Ort, an dem der Zustand des Fahrzeugs eingeschätzt und/oder wiederhergestellt werden kann, weiterfährt 410.
  • Alternativ kann der Schritt 410 für die Verfahren 400a-400c andere Vorgänge beinhalten, wie etwa das Senden eines Autos und/oder einer Reinigungskraft zum Ort des Fahrzeugs 100, das Senden eines Ersatzfahrzeugs an einen nächsten Abholort für das Fahrzeug 100 oder andere Vorgänge.
  • Falls befunden wird 412, dass die Feuchtigkeit sich um ein Mindestmaß verändert hat, kann das Verfahren 400a das Bewerten 414, ob die Feuchtigkeit akzeptabel ist, beinhalten. Das kann das Vergleichen der Veränderung zwischen der finalen und der anfänglichen Feuchtigkeit im Hinblick auf einen Feuchtigkeitsveränderungsschwellenwert und/oder das Vergleichen der finalen Feuchtigkeit mit einem Feuchtigkeitsschwellenwert beinhalten. Falls die Veränderung der Feuchtigkeit und/oder die finale Feuchtigkeit einen der entsprechenden Schwellenwerte überschreitet, kann die Feuchtigkeit für inakzeptabel befunden werden 414.
  • Falls die Feuchtigkeit nicht für akzeptabel befunden wird 414, dann kann die Steuerung 102 bewirken, dass das Fahrzeug 100 zu einer bzw. einem nächstgelegenen Reinigungsstation, Abfertigungsbereich oder anderen Ort, an dem der Zustand des Fahrzeugs eingeschätzt und/oder wiederhergestellt werden kann, weiterfährt 410.
  • Falls befunden wird 416, dass die anfängliche und die finale Geruchssignatur eine Veränderung anzeigen, dann kann das Verfahren 400a das Bewerten 418, ob die Veränderung akzeptabel ist, beinhalten. Die Geruchssignatur kann erfasste Konzentrationen verschiedener Chemikalien oder Arten von Chemikalien anzeigen. Entsprechend kann das Ermitteln, ob die Geruchssignatur sich verändert hat, das Ermitteln 416, ob eine dieser gemessenen Konzentrationen sich um ein über einem Schwellenwert liegendes Maß verändert hat oder ob eine Gesamtveränderung der Konzentration für einige oder alle der gemessenen Chemikalien einen Gesamtveränderungsschwellenwert überschreitet, beinhalten.
  • Ebenso kann das Ermitteln, ob die Veränderung für akzeptabel befunden wird 418, das Ermitteln, ob die Konzentration einer einzelnen Chemikalie sich um ein über einem Schwellenwert liegendes Maß verändert hat oder ob eine Gesamtveränderung der gemessenen Konzentrationen einen Gesamtschwellenwert erfüllt, beinhalten.
  • Einige Verbindungen sind unangenehmer als andere. Entsprechend kann der Schwellenwert für bestimmte Chemikalien niedriger als für andere sein. Wenn ein Gesamtschwellenwert genutzt wird, können die Konzentrationen einiger Chemikalien beim Berechnen der Gesamtveränderung stärker als andere gewichtet werden. Betreffs der Feuchtigkeit kann ein absoluter Wert statt einer Veränderung eines Werts für eine oder mehrere Chemikalien für inakzeptabel befunden werden 418, falls der absolute Wert einen Schwellenwert für diese Chemikalie überschreitet.
  • Ob die anfängliche und die finale Geruchssignatur akzeptabel sind oder nicht, kann bei einigen Ausführungsformen durch Einspeisen dieser Bilder in das Maschinenlernmodell 132, das trainiert ist, um eine Ausgabe bereitzustellen, die anzeigt, ob die Geruchssignaturen einen akzeptablen oder inakzeptablen Zustand anzeigen, wie dies oben im Hinblick auf 1 beschrieben wurde, ermittelt werden 418.
  • Falls die finale Geruchssignatur nicht für akzeptabel befunden wird 418, dann kann die Steuerung 102 bewirken, dass das Fahrzeug 100 zu einer bzw. einem nächstgelegenen Reinigungsstation, Abfertigungsbereich oder anderen Ort, an dem der Zustand des Fahrzeugs eingeschätzt und/oder wiederhergestellt werden kann, weiterfährt 410.
  • Falls befunden wird 420, dass die Temperatur sich um ein Mindestmaß verändert hat, kann das Verfahren 400a das Bewerten 422, ob die Temperatur akzeptabel ist, beinhalten. Das kann das Vergleichen der Veränderung zwischen der finalen und der anfänglichen Temperatur im Hinblick auf einen Temperaturveränderungsschwellenwert und/oder das Vergleichen der finalen Temperatur mit einem Temperaturschwellenwert beinhalten. Falls die Veränderung der Temperatur und/oder die finale Temperatur einen der entsprechenden Schwellenwerte überschreitet, kann die Temperatur für inakzeptabel befunden werden 410.
  • Falls die Temperatur für nicht akzeptabel befunden wird 422, dann kann die Steuerung 102 bewirken, dass das Fahrzeug 100 zu einer bzw. einem nächstgelegenen Reinigungsstation, Abfertigungsbereich oder anderen Ort, an dem der Zustand des Fahrzeugs eingeschätzt und/oder wiederhergestellt werden kann, weiterfährt 410.
  • Falls keines bzw. keiner bzw. keine der Bilder, Feuchtigkeitsmesswerte, Geruchsmesswerte und Temperatur für inakzeptabel befunden wird, dann kann die Steuerung 102 bewirken, dass das Fahrzeug zum nächsten Abholort weiterfährt 404.
  • Es sei daraufhingewiesen, dass sich Feuchtigkeit, Geruch und Temperatur auf Eigenschaften von Luft im Fahrzeug 100 beziehen. Entsprechend kann, falls das Ergebnis der Schritte 404, 418 und 422 negativ ist, d. h. für inakzeptabel befunden wird, das Verfahren 400a das Einschalten des Lüftungssystems des Fahrzeugs 100 für eine Zeitspanne, z. B. 5 Minuten, oder bis das Ergebnis der Schritte 414, 418, 422 positiv ist, beinhalten. Nach dieser Zeitspanne können die Zustände der Schritte 414, 418, 422 erneut bewertet werden. Falls das Ergebnis immer noch negativ ist, dann wird Schritt 410 ausgeführt. Andernfalls wird Schritt 404 ausgeführt.
  • Bezug nehmend auf 4B können bei einem alternativen Verfahren 400b die Schritte 402-422 auf dieselbe Weise wie bei Verfahren 400a ausgeführt werden. Jedoch kann, statt die Schritte 410 automatisch durchzuführen, eine menschliche Beurteilung eingebunden sein. Zum Beispiel wird dann, falls das Ergebnis der Bewertung eines der Schritte 408, 414, 418 und 422 negativ, d. h. inakzeptabel, ist, eine Benachrichtigung an einen Disponenten oder einen anderen Vertreter übermittelt 424. Die Benachrichtigung kann die anfänglichen und die finalen Sensorausgaben oder eine Darstellung derselben zur Prüfung durch den Disponenten beinhalten. Diese Ausgaben oder die Darstellung kann dem Disponenten dann auf einer Anzeigevorrichtung angezeigt werden. Falls befunden wird 426, dass der Disponent eine Eingabe bereitstellt, die anzeigt, dass der Zustand des Fahrzeugs akzeptabel ist, dann wird Schritt 404 ausgeführt. Andernfalls wird Schritt 410 ausgeführt.
  • Zwar stellen 4A und 4B diskrete Bewertungen der anfänglichen und der finalen Ausgabe jedes Innenraumsensors 116 dar, bei anderen Ausführungsformen können die Bewertungen jedoch kombiniert sein. Zum Beispiel können die anfänglichen und die finalen Ausgaben für jeden Innenraumsensor 116 in das Maschinenlernmodell 132 eingespeist werden, das dann eine Entscheidung akzeptabel oder inakzeptabel ausgibt.
  • Wie im Fachgebiet bekannt, werden viele Maschinenlernmodelle eine Konfidenzwertung für eine vom Maschinenlernmodell bereitgestellte Ausgabe ausgeben. Bei einigen Ausführungsformen kann Schritt 424 ausgeführt werden, wenn diese Konfidenzwertung unterhalb eines Schwellenwerts liegt, der anzeigt, dass eine menschliche Eingabe benötigt wird. Wie oben im Hinblick auf 1 dargelegt, wird jede Ermittlung des Disponenten von Akzeptabilität oder Inakzeptabilität in Kombination mit den Sensorausgaben, die die Grundlage der Ermittlung bilden, zu Fahrtdaten 128, die dann genutzt werden, um das Maschinenlernmodell 132 weiter zu trainieren.
  • Bezug nehmend auf 4C können bei einem alternativen Verfahren 400c die Schritte 402-422 auf dieselbe Weise wie bei Verfahren 400a ausgeführt werden. Jedoch für dann Fall, dass befunden wird 406, 412, 416, 420 , dass Sensorausgaben sich verändert haben, und dass befunden wird 408, 414, 418, 422, dass diese veränderten Ausgaben akzeptabel sind, kann ein zusätzlicher Schritt 428 die Gesamtwerte der anfänglichen und finalen Ausgaben bewerten. Insbesondere können die Gesamtausgaben für inakzeptabel befunden werden 428, selbst wenn einzeln keine Sensorausgabe für inakzeptabel befunden wird 408, 414, 418, 422.
  • Zum Beispiel können Sensorausgaben oder eine auf den Sensorausgaben beruhende Wertung summiert oder gewichtet und summiert werden, um eine finale Wertung zu erzielen. Diese Wertung kann dann mit einem Schwellenwert verglichen werden. Falls die finale Wertung den Schwellenwert überschreitet, dann kann Schritt 410 ausgeführt werden. Andernfalls wird Schritt 404 ausgeführt.
  • Die Bewertung 428 kann durch Einspeisen der Sensorausgaben in das Maschinenlernmodell 132 auf dieselbe Weise wie oben im Hinblick auf 4A und 4B beschrieben durchgeführt werden.
  • Bezug nehmend auf 5 kann wie oben dargelegt das Maschinenlernmodell 132 ein Objektklassifizierungsmodell 134b beinhalten. Dieses kann genutzt werden, um Müll, Flecken etc. in einem Fahrzeug zu identifizieren, die entfernt werden müssen. Das Objektklassifizierungsmodell 134b kann jedoch auch trainiert werden, um persönliche Habseligkeiten wie etwa Handtaschen, Geldbeutel, Mobilfunktelefone, Schmuck etc. zu identifizieren.
  • Entsprechend kann das Verfahren 500 von 5 in Kombination mit einem der Verfahren 400a-400c ausgeführt werden, um zu ermitteln, ob ein Passagier persönliche Habseligkeiten hinterlassen hat.
  • Das Verfahren 500 kann das Vergleichen 502 anfänglicher und finaler Bilder beinhalten, was das Vergleichen anfänglicher und finaler sichtbarer Bilder und möglicherweise der anfänglichen und finalen IR-Bilder und das Ermitteln 504, ob es eine bedeutende Veränderung zwischen den anfänglichen und den finalen Bildern gibt, beinhalten kann. Dies kann auf dieselbe Weise wie bei oben beschriebenem Schritt 406 durchgeführt werden.
  • Falls befunden wird 504, dass eine Veränderung erfasst wurde, kann das Verfahren 500 das Erfassen 506 und Klassifizieren von Objekten 508 durch Einspeisen der Bilder in das Objektklassifizierungsmodell 134b beinhalten. Falls die Klassifizierung eines oder mehrerer erfasster Objekte befindet 510, dass es sich um einen persönlichen Gegenstand (Mobilfunktelefon, Handtasche, Geldbeutel, Schmuck, Kleidung etc.) handelt, dann wird eine Warnung erzeugt 512.
  • Das Erzeugen 512 einer Warnung kann das Übermitteln einer Benachrichtigung an einen oder beide von letztem Passagier und Disponent beinhalten. Der Schritt 512 kann das Fahren des Fahrzeugs zu einer Reinigungsstation, wo der persönliche Gegenstand sichergestellt und für den Passagier aufbewahrt werden kann, beinhalten.
  • In der obigen Offenbarung wurde auf die beigefügten Zeichnungen, die einen Teil derselben bilden und in denen zur Veranschaulichung konkrete Umsetzungen gezeigt sind, durch die die Offenbarung praktiziert werden kann, Bezug genommen. Es versteht sich, dass andere Umsetzungen verwendet werden können und strukturelle Veränderungen vorgenommen werden können, ohne vom Umfang der vorliegenden Offenbarung abzuweichen. Bezugnahmen in der Beschreibung auf „eine Ausführungsform“, „eine beispielhafte Ausführungsform“ etc. zeigen an, dass die beschriebene Ausführungsform ein bestimmtes Merkmal, eine bestimmte Struktur oder eine bestimmte Eigenschaft beinhalten kann, aber möglicherweise beinhaltet nicht notwendigerweise jede Ausführungsform das bestimmte Merkmal, die bestimmte Struktur oder die bestimmte Eigenschaft. Außerdem beziehen sich derartige Wendungen nicht notwendigerweise auf dieselbe Ausführungsform. Ferner wird, wenn ein bestimmtes Merkmal, eine bestimmte Struktur oder eine bestimmte Eigenschaft in Verbindung mit einer Ausführungsform beschrieben wird, vorausgesetzt, dass ein Fachmann Kenntnis davon hat, wie ein derartiges Merkmal, eine derartige Struktur oder eine derartige Eigenschaft in Verbindung mit anderen Ausführungsformen, ob sie nun explizit beschrieben sind oder nicht, anzupassen ist.
  • Umsetzungen der hier offenbarten Systeme, Vorrichtungen und Verfahren können wie hier besprochen einen Spezial- oder einen Universalcomputer einschließlich Computerhardware, wie beispielsweise einen oder mehrere Prozessoren und Systemspeicher, verwenden. Umsetzungen innerhalb des Umfangs der vorliegenden Offenbarung können auch physische und andere computerlesbare Medien zum Aufbewahren oder Speichern computerausführbarer Anweisungen und/oder Datenstrukturen beinhalten. Derartige computerlesbare Medien können jegliche verfügbare Medien sein, auf die mit einem Universal- oder Spezialcomputer zugegriffen werden kann. Computerlesbare Medien, die computerausführbare Anweisungen speichern, sind Computerspeichermedien (-vorrichtungen). Computerlesbare Medien, die computerausführbare Anweisungen aufbewahren, sind Übertragungsmedien. Somit können als Beispiel, und nicht als Beschränkung, Umsetzungen der Offenbarung mindestens zwei klar unterschiedliche Arten von computerlesbaren Medien umfassen: Computerspeichermedien (-vorrichtungen) und Übertragungsmedien.
  • Computerspeichermedien (-vorrichtungen) beinhaltet RAM, ROM, EEPROM, CD-ROM, Solid-State-Laufwerke („SSDs“) (z. B. auf Grundlage von RAM), Flash-Speicher, Phasenwechselspeicher („PCM“), weitere Arten von Speicher, andere optische Plattendatenspeicher, magnetische Plattendatenspeicher oder andere magnetische Datenspeichervorrichtungen oder ein anderes Medium, das genutzt werden kann, um gewünschten Programmcodeeinrichtungen in Form computerausführbarer Anweisungen oder Datenstrukturen, auf die mit einem Universal- oder Spezialcomputer zugegriffen werden kann, zu speichern.
  • Eine Umsetzung der hier offenbarten Vorrichtungen, Systeme und Verfahren kann über ein Computernetzwerk kommunizieren. Ein „Netzwerk“ ist als eine oder mehrere Datenverbindungen, die den Transport elektronischer Daten zwischen Computersystemen und/oder -modulen und/oder anderen elektronischen Vorrichtungen ermöglichen, definiert. Wenn Informationen übertragen oder über ein Netzwerk oder eine andere Kommunikationsverbindung (entweder festverdrahtet, drahtlos oder eine Kombination aus festverdrahtet oder drahtlos) einem Computer bereitgestellt werden, sieht der Computer die Verbindung richtigerweise als ein Übertragungsmedium an. Übertragungsmedien können ein Netzwerk und/oder Datenverbindungen, die genutzt werden können, um gewünschte Programmcodeeinrichtungen in Form computerausführbarer Anweisungen oder Datenstrukturen aufzubewahren und auf die mit einem Universal- oder Spezialcomputer zugegriffen werden kann, beinhalten. Kombinationen des oben Genannten sollten auch im Umfang computerlesbarer Medien enthalten sein.
  • Computerausführbare Anweisungen umfassen zum Beispiel Anweisungen und Daten, die, wenn sie an einem Prozessor ausgeführt werden, bewirken, dass ein Universalcomputer, ein Spezialcomputer oder eine Spezialverarbeitungsvorrichtung eine bestimmte Funktion oder Gruppe von Funktionen durchführt. Die computerausführbaren Anweisungen können zum Beispiel Binärprogramme, Zwischenformatanweisungen wie beispielsweise Assemblersprache oder sogar Quellcode sein. Zwar wurde der Gegenstand in Sprache beschrieben, die sich auf strukturellen Merkmale und/oder methodologische Vorgänge bezieht, es versteht sich jedoch, dass der in den angehängten Ansprüchen definierte Gegenstand nicht notwendigerweise auf die beschriebenen Merkmale oder Vorgänge, die oben beschrieben sind, beschränkt ist. Stattdessen werden die beschriebenen Merkmale und Vorgänge als beispielhafte Formen zum Umsetzen der Ansprüche offenbart.
  • Ein Fachmann ist sich dessen bewusst, dass die Offenbarung in Network-Computing-Umgebungen mit vielen Arten von Computersystemkonfigurationen umgesetzt werden kann, einschließlich einem Einbaufahrzeugcomputer, Personal Computern, Desktopcomputern, Laptopcomputern, Nachrichtenprozessoren, Handgeräten, Systemen mit mehreren Prozessoren, mikroprozessorbasierter oder programmierbarer Konsumentenelektronik, Netzwerk-PCs, Minicomputern, Mainframe-Computern, Mobiltelefonen, PDAs, Tablets, Pagern, Routern, Schaltern, verschiedenen Datenspeichervorrichtungen und Ähnlichem. Die Offenbarung kann auch in verteilten Systemumgebungen, in denen lokale und entfernte Computersysteme, die durch ein Netzwerk verbunden sind (entweder durch festverdrahtete Datenverbindungen, drahtlose Datenverbindungen oder durch eine Kombination aus festverdrahteten und drahtlosen Datenverbindungen), beide Aufgaben ausführen, praktiziert werden. In einer verteilten Systemumgebung können sich Programmmodule sowohl in lokalen als auch entfernten Speicherdatenspeichervorrichtungen befinden.
  • Ferner können, sofern geeignet, hier beschriebene Funktionen in einem oder mehreren der folgenden Elemente durchgeführt werden: Hardware, Software, Firmware, digitale Komponenten oder analoge Komponenten. Zum Beispiel können eine oder mehrere anwendungsspezifische integrierte Schaltungen (Application-Specific Integrated Circuits - ASICs) dazu programmiert sein, eines bzw. einen oder mehrere der hier beschriebenen Systeme und Abläufe auszuführen. In der Beschreibung und in den Ansprüchen werden bestimmte Begriffe genutzt, um bestimmte Systemkomponenten zu bezeichnen. Wie einem Fachmann bewusst ist, können Komponenten mit verschiedenen Namen bezeichnet werden. Es ist nicht beabsichtigt, dass dieses Dokument zwischen Komponenten, die sich im Namen, aber nicht in der Funktion unterscheiden, unterscheidet.
  • Es sei darauf hingewiesen, dass die oben besprochenen Sensorausführungsformen Computerhardware, -software, -firmware oder eine Kombination daraus umfassen können, um zumindest einen Teil ihrer Funktionen auszuführen. Zum Beispiel kann ein Sensor Computercode beinhalten, der dazu ausgelegt ist, in einem oder mehreren Prozessoren ausgeführt zu werden, und kann logische/elektrische Hardwareschalttechnik beinhalten, die vom Computercode gesteuert wird. Diese beispielhaften Vorrichtungen sind hier für Zwecke der Veranschaulichung bereitgestellt und sollen nicht beschränkend sein. Ausführungsformen der vorliegenden Offenbarung können in weiteren Arten von Vorrichtungen umgesetzt werden, wie dies einem Fachmann in dem bzw. den betreffenden Fachgebiet(en) bekannt wäre.
  • Zumindest einige Ausführungsformen der Offenbarung richteten sich auf Computerprogrammprodukte, die solche Logik (z. B. in Form von Software), wie sie auf einem computernutzbaren Medium gespeichert wird, umfassen. Derartige Software bewirkt, wenn sie in einer oder mehreren Datenverarbeitungsvorrichtungen ausgeführt wird, dass eine Vorrichtung wie hier beschrieben arbeitet.
  • Zwar wurden oben verschiedene Ausführungsformen der vorliegenden Offenbarung beschrieben, es versteht sich jedoch, dass sie nur als Beispiel und nicht zur Beschränkung angeführt wurden. Für einen Fachmann auf dem entsprechenden Fachgebiet ist ersichtlich, dass daran verschiedene Änderungen an Form und Einzelheiten vorgenommen werden können, ohne dabei vom Geist und Umfang der Offenbarung abzuweichen. Somit sollten Breite und Umfang der vorliegenden Offenbarung nicht durch die oben beschriebenen beispielhaften Ausführungsformen beschränkt werden, sondern sollten nur gemäß den folgenden Ansprüchen und ihren Entsprechungen definiert werden. Die vorstehende Beschreibung dient Veranschaulichungs- und Beschreibungszwecken. Sie soll nicht erschöpfend sein oder die Offenbarung auf die präzise offenbarte Form beschränken. Angesichts der offenbarten Lehre sind viele Modifikationen und Variationen möglich. Ferner sei daraufhingewiesen, dass beliebige oder alle der vorstehend genannten alternativen Umsetzungen in jeder gewünschten Kombination genutzt werden können, um zusätzliche hybride Umsetzungen der Offenbarung zu bilden.

Claims (15)

  1. System für ein Fahrzeug, umfassend: eine Vielzahl von Sensoren, die jeweils eine unterschiedliche Eigenschaft eines Innenraums des Fahrzeugs detektieren; eine Steuerung, die mit der Vielzahl von Innenraumsensoren gekoppelt ist und dazu programmiert ist-- erste Ausgaben der Vielzahl von Sensoren zu empfangen; zweite Ausgaben der Vielzahl von Sensoren nach den ersten Ausgaben zu empfangen; und falls eine Gesamtveränderung zwischen den zweiten Ausgaben und den ersten Ausgaben eine Schwellenwertbedingung erfüllt, das Reinigen des Innenraums anzufordern.
  2. System nach Anspruch 1, wobei die Vielzahl von Sensoren mindestens eine bzw. einen von einer Kamera für sichtbares Licht, einer Infrarot-(IR-)Kamera und einem elektrochemischen Sensor beinhaltet.
  3. System nach Anspruch 2, wobei die Vielzahl von Sensoren einen Feuchtigkeitssensor beinhaltet.
  4. System nach Anspruch 3, wobei die Schwellenwertbedingung eine erste Schwellenwertbedingung ist und die Steuerung dazu ausgelegt ist, das Reinigen des Innenraums anzufordern, falls mindestens eine von (a) einer Gesamtveränderung zwischen den zweiten Ausgaben und den ersten Ausgaben die erste Schwellenwertbedingung erfüllt; und (b) einer Veränderung zwischen den ersten und den zweiten Ausgaben für eine bzw. einen von der Kamera, der IR-Kamera, dem elektrochemischen Sensor und dem Feuchtigkeitssensor eine entsprechende Schwellenwertbedingung erfüllt.
  5. System nach Anspruch 3, wobei die Steuerung ferner dazu programmiert ist, falls die Veränderung zwischen den ersten und den zweiten Ausgaben von mindestens einem von dem elektrochemischen Sensor und dem Feuchtigkeitssensor entsprechende Schwellenwertbedingungen erfüllt: ein Lüftungssystem des Fahrzeugs anzuschalten; Ausgaben von mindestens einem von dem elektrochemischen Sensor und dem Feuchtigkeitssensor erneut zu messen; und falls die Ausgaben von mindestens einem von dem elektrochemischen Sensor und dem Feuchtigkeitssensor immer noch die entsprechenden Schwellenwertbedingungen erfüllen, das Reinigen des Innenraums anzufordern.
  6. System nach Anspruch 3, wobei die Steuerung dazu programmiert ist, durch Einspeisen der ersten Ausgaben und der zweiten Ausgaben in ein Maschinenlernmodell zu ermitteln, ob die Gesamtveränderung zwischen den zweiten Ausgaben und den ersten Ausgaben die Schwellenwertbedingung erfüllt.
  7. System nach Anspruch 1, wobei die Programmierung der Steuerung, das Reinigen des Innenraums anzufordern, das autonome Fahren des Fahrzeugs zu einer Reinigungsstation umfasst.
  8. System nach Anspruch 7, wobei die Steuerung dazu programmiert ist, falls eine Gesamtveränderung zwischen den zweiten Ausgaben und den ersten Ausgaben eine Schwellenwertbedingung nicht erfüllt, das Fahrzeug autonom zu einem Abholort zu fahren, ohne das Fahrzeug zuerst autonom zu einer Reinigungsstation zu fahren.
  9. Verfahren zum Bewerten eines Fahrzeugs, wobei das Verfahren Folgendes umfasst: Bereitstellen einer Vielzahl von Sensoren, die jeweils eine unterschiedliche Eigenschaft eines Innenraums des Fahrzeugs detektieren; Empfangen, durch eine mit der Vielzahl von Innenraumsensoren gekoppelten Steuerung, erster Ausgaben von der Vielzahl von Innenraumsensoren; Empfangen, durch die Steuerung, zweiter Ausgaben von der Vielzahl von Sensoren nach einer Fahrt im Fahrzeug durch einen Passagier; Ermitteln, durch die Steuerung, dass eine Gesamtveränderung zwischen den zweiten Ausgaben und den ersten Ausgaben eine Schwellenwertbedingung erfüllt; als Reaktion auf das Ermitteln, dass eine Gesamtveränderung zwischen den zweiten Ausgaben und den ersten Ausgaben die Schwellenwertbedingung erfüllt, Anfordern, durch die Steuerung, des Reinigens des Innenraums.
  10. Verfahren nach Anspruch 9, wobei die Vielzahl von Sensoren mindestens eine bzw. einen von einer Kamera für sichtbares Licht, einer Infrarot-(IR-)Kamera, einem elektrochemischen Sensor und einem Feuchtigkeitssensor beinhaltet.
  11. Verfahren nach Anspruch 10, wobei die Schwellenwertbedingung eine erste Schwellenwertbedingung ist; wobei das Verfahren ferner Folgendes umfasst: Empfangen, durch die Steuerung, dritter Ausgaben der Vielzahl von Sensoren; Empfangen, durch die Steuerung, vierter Ausgaben der Vielzahl von Sensoren nach dem Empfangen der dritten Ausgaben; Ermitteln, durch die Steuerung, dass eine Veränderung zwischen den dritten und den vierten Ausgaben von einer bzw. einem beliebigen von der Kamera, der IR-Kamera, dem elektrochemischen Sensor und dem Feuchtigkeitssensor eine entsprechende Schwellenwertbedingung erfüllt; als Reaktion auf das Ermitteln, dass die Veränderung zwischen den dritten und den vierten Ausgaben von einer bzw. einem beliebigen von der Kamera, der IR-Kamera, dem elektrochemischen Sensor und dem Feuchtigkeitssensor die entsprechende Schwellenwertbedingung erfüllt, Anfordern, durch die Steuerung, des Reinigens des Innenraums.
  12. Verfahren nach Anspruch 10, ferner umfassend: Ermitteln, ob Ausgaben von mindestens einem von dem elektrochemischen Sensor und dem Feuchtigkeitssensor entsprechende Schwellenwertbedingungen erfüllen; als Reaktion auf das Ermitteln, dass Ausgaben von mindestens einem von dem elektrochemischen Sensor und dem Feuchtigkeitssensor die entsprechenden Schwellenwertbedingungen erfüllen-Anschalten, durch die Steuerung, eines Lüftungssystems des Fahrzeugs; erneutes Messen, durch die Steuerung, der Ausgaben von mindestens einem von dem elektrochemischen Sensor und dem Feuchtigkeitssensor; und Ermitteln, durch die Steuerung, dass Ausgaben von mindestens einem von dem elektrochemischen Sensor und dem Feuchtigkeitssensor immer noch die entsprechenden Schwellenwertbedingungen erfüllen; und als Reaktion auf das Ermitteln, dass die Ausgaben von mindestens einem von dem elektrochemischen Sensor und dem Feuchtigkeitssensor immer noch die entsprechenden Schwellenwertbedingungen erfüllen, Anfordern des Reinigens des Innenraums.
  13. Verfahren nach Anspruch 10, ferner umfassend das Ermitteln, dass die Gesamtveränderung zwischen den zweiten Ausgaben und den ersten Ausgaben die Schwellenwertbedingung erfüllt, durch Einspeisen der ersten Ausgaben und der zweiten Ausgaben in ein Maschinenlernmodell.
  14. Verfahren nach Anspruch 9, wobei das Anfordern des Reinigens des Innenraums autonomes Fahren des Fahrzeugs zu einer Reinigungsstation umfasst.
  15. Verfahren nach Anspruch 14, ferner umfassend: Empfangen, durch die Steuerung, dritter Ausgaben der Vielzahl von Sensoren; Empfangen, durch die Steuerung, vierter Ausgaben der Vielzahl von Sensoren nach dem Empfangen der dritten Ausgaben; Ermitteln, durch die Steuerung, dass eine Gesamtveränderung zwischen den dritten Ausgaben und den vierten Ausgaben eine Schwellenwertbedingung nicht erfüllt; und als Reaktion auf das Ermitteln, dass die Gesamtveränderung zwischen den dritten Ausgaben und den vierten Ausgaben die Schwellenwertbedingung nicht erfüllt, autonomes Fahren des Fahrzeugs durch die Steuerung zu einem Abholort, ohne das Fahrzeug zu einer Reinigungsstation zu fahren.
DE102017125484.6A 2016-11-04 2017-10-30 System und verfahren zum einschätzen des innenraums eines autonomen fahrzeugs Pending DE102017125484A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/343,726 US10479328B2 (en) 2016-11-04 2016-11-04 System and methods for assessing the interior of an autonomous vehicle
US15/343,726 2016-11-04

Publications (1)

Publication Number Publication Date
DE102017125484A1 true DE102017125484A1 (de) 2018-05-09

Family

ID=60580081

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102017125484.6A Pending DE102017125484A1 (de) 2016-11-04 2017-10-30 System und verfahren zum einschätzen des innenraums eines autonomen fahrzeugs

Country Status (6)

Country Link
US (1) US10479328B2 (de)
CN (1) CN108016449B (de)
DE (1) DE102017125484A1 (de)
GB (1) GB2558722A (de)
MX (1) MX2017014066A (de)
RU (1) RU2017134265A (de)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018207382A1 (de) * 2018-05-14 2019-11-14 Bayerische Motoren Werke Aktiengesellschaft Vorrichtung zur Sicherstellung der Sauberkeit eines Kraftfahrzeuginnenraumes, ein hiermit ausgestattetes Kraftfahrzeug sowie ein diese aufweisendes System zur Sicherstellung der Sauberkeit eines Kraftfahrzeuginnenraumes
DE102018212456A1 (de) * 2018-07-26 2020-01-30 Audi Ag Reinigungsanlage zum Reinigen eines Innenraums eines Kraftfahrzeugs und Verfahren zum Betreiben einer Reinigungsanlage
EP3629305A1 (de) * 2018-09-28 2020-04-01 ZF Friedrichshafen AG Vorrichtung und verfahren zur erkennung eines ist-zustandes eines innenraums eines peoplemovers
DE102018219670A1 (de) * 2018-11-16 2020-05-20 Zf Friedrichshafen Ag Erfassungssystem
WO2020126371A1 (de) * 2018-12-20 2020-06-25 Volkswagen Aktiengesellschaft Verfahren zur autonomen fahrzeugreinigung
EP3671591A3 (de) * 2018-12-20 2020-07-01 Volkswagen AG Verfahren und system zum ermitteln einer reinigung für ein fahrzeug
DE102019207036A1 (de) * 2019-05-15 2020-11-19 Volkswagen Aktiengesellschaft Verfahren und Steuereinrichtung zum automatischen Reinigen eines Kraftfahrzeugs
DE102019208871A1 (de) * 2019-06-18 2020-12-24 Thyssenkrupp Ag Einrichtung und Verfahren zur Ermittlung des Innenraumzustandes eines Fahrzeugs
DE102019210929A1 (de) * 2019-07-24 2021-01-28 Zf Friedrichshafen Ag Computerimplementiertes Verfahren zum maschinellen Lernen von Husten- und/oder Niesgeräuschen von ein Beförderungsmittel nutzenden Fahrgästen, um bei erkannten Husten- und/oder Niesgeräuschen Maßnahmen zur Reinigung des Beförderungsmittels einzuleiten, und Steuergerät, Verfahren, Vorrichtung, Beförderungsmittel und Computerprogramm zum Einleiten der Maßnahmen
EP3851306A1 (de) 2020-01-16 2021-07-21 MAN Truck & Bus SE Verunreinigungserkennung in einem fahrzeug
DE102020210931A1 (de) 2020-08-31 2022-03-03 Zf Friedrichshafen Ag System und Verfahren zur Identifikation von krankheitsspezifischen Gerüchen in einem Personenbeförderungsmittel und Personenbeförderungsmittel

Families Citing this family (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11010615B2 (en) * 2016-11-14 2021-05-18 Lyft, Inc. Rendering a situational-awareness view in an autonomous-vehicle environment
US10290158B2 (en) 2017-02-03 2019-05-14 Ford Global Technologies, Llc System and method for assessing the interior of an autonomous vehicle
US10509974B2 (en) * 2017-04-21 2019-12-17 Ford Global Technologies, Llc Stain and trash detection systems and methods
US10304165B2 (en) * 2017-05-12 2019-05-28 Ford Global Technologies, Llc Vehicle stain and trash detection systems and methods
US11493348B2 (en) 2017-06-23 2022-11-08 Direct Current Capital LLC Methods for executing autonomous rideshare requests
US11106927B2 (en) * 2017-12-27 2021-08-31 Direct Current Capital LLC Method for monitoring an interior state of an autonomous vehicle
US10303181B1 (en) 2018-11-29 2019-05-28 Eric John Wengreen Self-driving vehicle systems and methods
US11073838B2 (en) 2018-01-06 2021-07-27 Drivent Llc Self-driving vehicle systems and methods
JP6662935B2 (ja) * 2018-03-09 2020-03-11 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
CN110316156B (zh) * 2018-03-30 2023-11-21 宝马股份公司 用于检测车辆内部空间的清洁必要性的方法以及处理装置
JP2020013474A (ja) * 2018-07-20 2020-01-23 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America 情報処理方法
JP2020013451A (ja) * 2018-07-20 2020-01-23 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America 情報処理方法
CN112601673B (zh) * 2018-08-20 2024-01-09 日产自动车株式会社 车辆管理***以及车辆管理方法
US10282625B1 (en) 2018-10-01 2019-05-07 Eric John Wengreen Self-driving vehicle systems and methods
US10493952B1 (en) 2019-03-21 2019-12-03 Drivent Llc Self-driving vehicle systems and methods
US10471804B1 (en) 2018-09-18 2019-11-12 Drivent Llc Self-driving vehicle systems and methods
US10289922B1 (en) * 2018-09-18 2019-05-14 Eric John Wengreen System for managing lost, mislaid, or abandoned property in a self-driving vehicle
US10479319B1 (en) 2019-03-21 2019-11-19 Drivent Llc Self-driving vehicle systems and methods
US11644833B2 (en) 2018-10-01 2023-05-09 Drivent Llc Self-driving vehicle systems and methods
US10900792B2 (en) 2018-10-22 2021-01-26 Drivent Llc Self-driving vehicle systems and methods
US10832569B2 (en) 2019-04-02 2020-11-10 Drivent Llc Vehicle detection systems
US10794714B2 (en) 2018-10-01 2020-10-06 Drivent Llc Self-driving vehicle systems and methods
US11221621B2 (en) 2019-03-21 2022-01-11 Drivent Llc Self-driving vehicle systems and methods
US10474154B1 (en) 2018-11-01 2019-11-12 Drivent Llc Self-driving vehicle systems and methods
DE102018220306B4 (de) * 2018-11-27 2021-03-18 Audi Ag Verfahren und Vorrichtung zum Benachrichtigen eines Benutzers über eine Verschmutzung am Fahrzeug sowie Fahrzeug mit einer solchen Vorrichtung
CN112384943B (zh) * 2018-12-07 2024-05-17 松下电器(美国)知识产权公司 信息处理方法、信息处理装置、以及程序记录介质
DE102018222649A1 (de) * 2018-12-20 2020-06-25 Volkswagen Aktiengesellschaft Servicestation für eine autonome Fahrzeugreinigung
US11036226B2 (en) 2019-01-24 2021-06-15 Ford Global Technologies, Llc System and method for preventing unwanted dismissal of autonomous vehicle
US10377342B1 (en) 2019-02-04 2019-08-13 Drivent Technologies Inc. Self-driving vehicle systems and methods
US10744976B1 (en) 2019-02-04 2020-08-18 Drivent Llc Self-driving vehicle systems and methods
FR3092522B1 (fr) 2019-02-07 2021-09-10 Rubix S&I Système et procédé de nettoyage d’un habitacle de véhicule
US10872253B2 (en) 2019-02-08 2020-12-22 Ford Global Technologies, Llc Method and apparatus for vehicle interior evaluation and situational servicing
US11100347B2 (en) 2019-03-12 2021-08-24 Ford Global Technologies, Llc Photometric stereo object detection for articles left in an autonomous vehicle
DE102019207627A1 (de) * 2019-05-24 2020-11-26 Volkswagen Aktiengesellschaft Verfahren zur Innenraumreinigung eines Fahrzeugs, Servicestation zur Innenraumreinigung eines Fahrzeugs und Fahrzeug
JP7192702B2 (ja) * 2019-07-31 2022-12-20 トヨタ自動車株式会社 制御装置、車両、及び制御方法
US11017248B1 (en) 2019-12-18 2021-05-25 Waymo Llc Interior camera system for a self driving car
US11250685B2 (en) * 2020-01-21 2022-02-15 Aptiv Technologies Limited Intra-vehicle situational awareness featuring child presence
US11262562B2 (en) 2020-03-18 2022-03-01 Waymo Llc Infrared camera module cover
CN111530819A (zh) * 2020-04-26 2020-08-14 杭州宏景智驾科技有限公司 传感器自动清洁***及方法
WO2021252489A1 (en) 2020-06-09 2021-12-16 Herman Miller, Inc. Furniture cleaning management system
CN111813086B (zh) * 2020-07-15 2023-08-25 北京航空航天大学云南创新研究院 一种基于模型的无人***自主性评估方法
JP2022094839A (ja) * 2020-12-15 2022-06-27 トヨタ自動車株式会社 情報処理装置、情報処理システム、およびプログラム
US20220198842A1 (en) * 2020-12-18 2022-06-23 Motional Ad Llc Predictive analytics for vehicle health
US11960621B2 (en) * 2021-02-09 2024-04-16 Ford Global Technologies, Llc Systems and methods for ensuring privacy in an autonomous vehicle
DE102022202349A1 (de) 2022-03-09 2023-09-14 Brose Fahrzeugteile Se & Co. Kommanditgesellschaft, Bamberg Verfahren und Überwachungssystem zur elektronischen Ermittlung eines Reinigungsbedarfes betreffend einen Innenraum eines Fahrzeuges

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6170318B1 (en) 1995-03-27 2001-01-09 California Institute Of Technology Methods of use for sensor based fluid detection devices
DE10254496B4 (de) 2002-11-22 2007-07-19 Bayerische Motoren Werke Ag Verfahren zur Bekämpfung von Gerüchen und/oder Schadstoffen im Fahrzeuginnenraum
DE102005006312B4 (de) 2005-02-11 2022-10-20 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Ansteuerung einer Lüftungs- und/oder Klimatisierungseinheit
US7845182B2 (en) * 2007-01-25 2010-12-07 Honda Motor Co., Ltd. Fan control limitation logic in auto defog system
US20120010336A1 (en) * 2009-01-26 2012-01-12 Levchik Sergei V Flame retarded thermoplastic composition, process for making same and article containing same
IT1394943B1 (it) * 2009-04-17 2012-07-27 Gima Spa Dispositivo per il confezionamento di un prodotto in un corrispondente contenitore
CN102802532A (zh) * 2009-06-18 2012-11-28 皇家飞利浦电子股份有限公司 具有环境安全壳的移动成像单元
CN101941012B (zh) * 2009-07-03 2012-04-25 泰怡凯电器(苏州)有限公司 清洁机器人及其脏物识别装置和该机器人的清洁方法
RU2549140C2 (ru) 2010-08-13 2015-04-20 Арве Сервис Гмбх Способ подготовки и обслуживания транспортных средств
US8977476B2 (en) * 2010-11-24 2015-03-10 Safety Shutdown, Llc Automatic shutdown system for automobiles
CN202102521U (zh) 2011-06-01 2012-01-04 广东够快物流信息科技有限公司 一种危险品全方位监控***
GB2492953A (en) * 2011-07-13 2013-01-23 Land Rover Uk Ltd Vehicle control system and method employing output from an imaging device
US20140222298A1 (en) * 2013-02-03 2014-08-07 Michael H. Gurin Systems For a Shared Vehicle
WO2015021428A1 (en) * 2013-08-09 2015-02-12 Cnry Inc. System and methods for monitoring an environment
DE102013019305A1 (de) * 2013-11-16 2015-05-21 Hella Kgaa Hueck & Co. Verfahren und Vorrichtung zur Bestimmung mindestens eines Steuersignals zur Steuerung einer Klimatisierungseinrichtung
US20150287130A1 (en) 2014-04-04 2015-10-08 Verc, Inc. Systems and methods for assessing damage of rental vehicle
US10150448B2 (en) * 2015-09-18 2018-12-11 Ford Global Technologies. Llc Autonomous vehicle unauthorized passenger or object detection
DE102017101508A1 (de) 2016-01-26 2017-07-27 GM Global Technology Operations LLC Systeme und Verfahren zum Fördern der Sauberkeit eines Fahrzeugs
US10040432B2 (en) 2016-01-26 2018-08-07 GM Global Technology Operations LLC Systems and methods for promoting cleanliness of a vehicle
GB2549192B (en) 2016-03-31 2020-06-24 Boeing Co Systems for cleaning interior portions of a vehicle
DE102016215525A1 (de) 2016-08-18 2018-02-22 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Reinigen eines Innenraums eines Kraftfahrzeugs
CN107185313A (zh) 2017-06-14 2017-09-22 昆山瑞程新美新材料有限公司 消除机动车辆内部空气污染物的材料和装置

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018207382A1 (de) * 2018-05-14 2019-11-14 Bayerische Motoren Werke Aktiengesellschaft Vorrichtung zur Sicherstellung der Sauberkeit eines Kraftfahrzeuginnenraumes, ein hiermit ausgestattetes Kraftfahrzeug sowie ein diese aufweisendes System zur Sicherstellung der Sauberkeit eines Kraftfahrzeuginnenraumes
DE102018212456A1 (de) * 2018-07-26 2020-01-30 Audi Ag Reinigungsanlage zum Reinigen eines Innenraums eines Kraftfahrzeugs und Verfahren zum Betreiben einer Reinigungsanlage
DE102018212456B4 (de) 2018-07-26 2023-06-07 Audi Ag Reinigungsanlage zum Reinigen eines Innenraums eines Kraftfahrzeugs und Verfahren zum Betreiben einer Reinigungsanlage
EP3629305A1 (de) * 2018-09-28 2020-04-01 ZF Friedrichshafen AG Vorrichtung und verfahren zur erkennung eines ist-zustandes eines innenraums eines peoplemovers
DE102018216761A1 (de) * 2018-09-28 2020-04-02 Zf Friedrichshafen Ag Vorrichtung und Verfahren zur Erkennung eines Ist-Zustandes eines Innenraums eines Peoplemovers
DE102018219670B4 (de) * 2018-11-16 2021-06-10 Zf Friedrichshafen Ag Erfassungssystem
DE102018219670A1 (de) * 2018-11-16 2020-05-20 Zf Friedrichshafen Ag Erfassungssystem
WO2020126371A1 (de) * 2018-12-20 2020-06-25 Volkswagen Aktiengesellschaft Verfahren zur autonomen fahrzeugreinigung
EP3671591A3 (de) * 2018-12-20 2020-07-01 Volkswagen AG Verfahren und system zum ermitteln einer reinigung für ein fahrzeug
DE102019207036A1 (de) * 2019-05-15 2020-11-19 Volkswagen Aktiengesellschaft Verfahren und Steuereinrichtung zum automatischen Reinigen eines Kraftfahrzeugs
DE102019208871A1 (de) * 2019-06-18 2020-12-24 Thyssenkrupp Ag Einrichtung und Verfahren zur Ermittlung des Innenraumzustandes eines Fahrzeugs
DE102019210929A1 (de) * 2019-07-24 2021-01-28 Zf Friedrichshafen Ag Computerimplementiertes Verfahren zum maschinellen Lernen von Husten- und/oder Niesgeräuschen von ein Beförderungsmittel nutzenden Fahrgästen, um bei erkannten Husten- und/oder Niesgeräuschen Maßnahmen zur Reinigung des Beförderungsmittels einzuleiten, und Steuergerät, Verfahren, Vorrichtung, Beförderungsmittel und Computerprogramm zum Einleiten der Maßnahmen
DE102019210929B4 (de) 2019-07-24 2023-07-20 Zf Friedrichshafen Ag Computerimplementiertes Verfahren zum maschinellen Lernen von Husten- und/oder Niesgeräuschen von ein Beförderungsmittel nutzenden Fahrgästen, um bei erkannten Husten- und/oder Niesgeräuschen Maßnahmen zur Reinigung des Beförderungsmittels einzuleiten, und Steuergerät, Verfahren, Vorrichtung, Beförderungsmittel und Computerprogramm zum Einleiten der Maßnahmen
EP3851306A1 (de) 2020-01-16 2021-07-21 MAN Truck & Bus SE Verunreinigungserkennung in einem fahrzeug
DE102020000235A1 (de) 2020-01-16 2021-07-22 Man Truck & Bus Se Verunreinigungserkennung in einem Fahrzeug
DE102020210931A1 (de) 2020-08-31 2022-03-03 Zf Friedrichshafen Ag System und Verfahren zur Identifikation von krankheitsspezifischen Gerüchen in einem Personenbeförderungsmittel und Personenbeförderungsmittel

Also Published As

Publication number Publication date
CN108016449B (zh) 2022-09-27
GB2558722A (en) 2018-07-18
US10479328B2 (en) 2019-11-19
CN108016449A (zh) 2018-05-11
MX2017014066A (es) 2018-10-01
US20180126960A1 (en) 2018-05-10
GB201717960D0 (en) 2017-12-13
RU2017134265A (ru) 2019-04-03

Similar Documents

Publication Publication Date Title
DE102017125484A1 (de) System und verfahren zum einschätzen des innenraums eines autonomen fahrzeugs
DE102018102285A1 (de) System und verfahren zum beurteilen des innenraums eines autonomen fahrzeugs
DE112017007713T5 (de) Systeme und Verfahren zur Fahrzeugbelegungsverwaltung
DE102017129076A1 (de) Autonomer schulbus
DE102016118902A1 (de) Kollisionsvermeidung mit durch Kartendaten erweiterten auditorischen Daten
DE102018103107A1 (de) Auf feedback beruhende erzeugung von steuermodellen für ein autonomes fahrzeug
DE102020215842A1 (de) Cloud-konnektivität für fahrzeuginterne sensormodule
DE102017116192A1 (de) Verwenden von virtuellen Daten zum Testen und Trainieren von Parkplatzerfassungssystemen
DE102018100469A1 (de) Generierten von simulierten sensordaten zum trainieren und überprüfen von erkennungsmodellen
DE102019117618A1 (de) Fahrzeugklassifizierungssystem
DE112019000279T5 (de) Steuern autonomer fahrzeuge anhand sicherer ankunftszeiten
DE112017006530T5 (de) Rückmeldung für ein autonomes fahrzeug
DE102013209055A1 (de) Datenquellenidentifizierung, Datensammlung und Datenspeicherung für Verkehrsereignisse
WO2019063416A1 (de) Verfahren und einrichtung zum betreiben eines fahrerassistenzsystems sowie fahrerassistenzsystem und kraftfahrzeug
DE112018004953T5 (de) Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren, programm und sich bewegender körper
DE102017200940A1 (de) Verfahren und Vorrichtung zur Berechnung einer Parkplatzbelegung
DE102019120265A1 (de) Vorhersage des dynamischen Ansprechens
WO2020094279A1 (de) Prädiktion eines voraussichtlichen fahrverhaltens
DE102020102823A1 (de) Fahrzeugkapselnetzwerke
DE102017107789A1 (de) Fahrzeugsicherheitssystem
DE112022001861T5 (de) Bewegungsbahnkonsistenzmessung für den betrieb eines autonomen fahrzeugs
DE102023103232A1 (de) Netz für biometrische aufgaben
DE102020100496A1 (de) Systeme und verfahren zum erfassen von fahrzeugbeschädigungsereignissen und berichterstatten über diese
Zhang et al. Lane-based estimation of travel time distributions by vehicle type via vehicle re-identification using low-resolution video images
Padarthy et al. Investigation on identifying road anomalies using in-vehicle sensors for cooperative applications and road asset management

Legal Events

Date Code Title Description
R082 Change of representative

Representative=s name: BONSMANN - BONSMANN - FRANK PATENTANWAELTE, DE